随着电力企业的快速发展,电网数据不断积累,呈现出爆炸式增长的趋势。怎样从这些数据中挖掘出价值数据,已经成为智能电网建设和电力企业发展的关键,而大数据相关技术的飞速发展为电网数据带来新机遇。在当下主流的大数据技术中,相比Hadoop平台,Spark平台更加优异的迭代工作负载性能、RDD数据集的高速计算能力以及HDFS的强大存储能力在海量的电力数据挖掘中都表现出极大的优势。本文利用Spark平台与关联规则挖掘技术结合的优势,根据电力企业对数据分析的实际需求,研究分析了Z-score标准化和FCM聚类算法,结合两者设计出电力数据预处理流程,验证了数据预处理的有效性,并运用稀疏矩阵和FCM聚类算法改进了FFP-growth算法,应用于Spark平台下的电力营销系统中。本文主要完成了以下三方面工作:第一,研究实际处理电网数据中遇到的问题,并针对这些问题提出解决方法,根据Z-score标准化和FCM聚类算法的结合提出大数据预处理的新流程;第二,研究了FP-growth关联规则挖掘算法,根据传统FP-Growth算法的不足对其进行改进,引入稀疏矩阵存储减少一次数据库扫描得到频繁项集,节省了数据库扫描时间,并设计了在Spark平台下改进的FFP-growth算法并行化模型,对数据进行二次分类,避免单个事务集过大的问题;第三,搭建Spark平台,设计并实现电力营销系统,将数据预处理技术和改进的FFP-Growth关联规则挖掘技术应用到电力营销数据分析系统中,实例验证了重新设计的数据预处理流程和改进的并行关联规则挖掘算法在电力营销数据分析中的有效性。